속성

• 가장 가까운 애들끼리 먼저 묶어주기 시작함
• 특정 분야에서는 계통체계를 표현하게 되기도 함
• 객체간 거리 행렬/ 유사도 행렬을 input으로 사용 (메모리 많이 먹음)
• 덴드로그램(Dentrogram)으로 시각화 가능

Tip

• 아래 그림처럼 각 군집에서 각 변수의 값을 가지고, 종속변수인 LoanRatio를 설명할 수 있다

장점

• 군집의 개수에 따라 변화하지 않으므로, 계산을 다시 할 필요가 없음

단점

• 모든 객체의 계산 후, 그룹핑을 한번 하기 때문에 계산 속도가 느림

Big-O 계산

• N개의 군집에 대해 군집화하려면, N-1번의 계산이 필요함

방식

hierarchical_clustering_method

상향식 군집화 Agglomerative

전체 객체끼리 가까운 애들끼리 묶기 시작

알고리즘

alggromerative_method

single linkage

• 각 군집에 속한 개체중 가장 작은 거리끼리 묶음
• 원이 아닌 군집도 찾을 수 있음

complete linkage

Group Average distance

• k-means와 비슷한 결과가 나올 수 있음

between centroids distance

• k-means와 비슷한 결과가 나올 수 있음

wards’ method

• 단순히 거리 정보가 아니라 분산을 고려
• 두 집합을 합칠 때 사용
• 집합이 합쳐짐으로써, 군집 내 객체 사이의 분산이 증가한 정도를 확인하여, 증가량이 적은 집합끼리 먼저 합칩

하향식 군집화 divisive

• 전체를 하나의 군집으로 보고 시작
• 하나의 군집을 n개로 나누는 것을 반복

R 실습